1、隨著經(jīng)濟(jì)的快速發(fā)展，城市的交通管理水平遠(yuǎn)遠(yuǎn)跟不上車輛增長的速度，為了有效緩解交通擁堵和減小交通事故的發(fā)生，車輛的智能管理成為交通管理系統(tǒng)中亟待解決的一個關(guān)鍵問題。由于牌照是車輛的重要標(biāo)識，所以車牌的有效、高速識別成為構(gòu)建智能交通管理系統(tǒng)的研究熱點。因此車牌智能識別技術(shù)具有非常重要的理論研究價值與意義。
　　本文重點研究了車牌識別系統(tǒng)中的車牌定位、字符分割與字符識別等車牌處理方面的相關(guān)問題，對車牌圖像信息智能化處理的具體方法和理論模

2、型進(jìn)行了分析，針對車牌定位算法中結(jié)構(gòu)算子選取靈活性不強(qiáng)的問題，提出了自適應(yīng)形態(tài)學(xué)算法，針對車牌字符識別中BP網(wǎng)絡(luò)算法易陷入“局部極小值”問題，提出了遺傳融合BP神經(jīng)網(wǎng)絡(luò)算法。通過對理論模型的分析和仿真驗證，新算法可以實現(xiàn)車牌的有效識別。
　　論文首先采用了傳統(tǒng)圖像預(yù)處理方法，并將自適應(yīng)算法引入傳統(tǒng)形態(tài)學(xué)車牌定位算法中，獲取圖像區(qū)域連通，再依據(jù)車牌紋理特征將車牌區(qū)域從復(fù)雜背景圖像中定位出來。論文還對車牌字符分割技術(shù)及相關(guān)算法進(jìn)行研究